Kā jūs izplatāt dezinformāciju, izmantojot briesmīgus informācijas paneļus

Cipari paši par sevi ir grūti nolasāmi, un vēl grūtāk no tiem izdarīt jēgpilnus secinājumus. Bieži vien, lai veiktu reālu datu analīzi, ir nepieciešams vizualizēt datus dažādu grafiku un diagrammu veidā. 

Tomēr, ja esat veltījis kādu laiku dažādu grafiku skatīšanai, jūs jau sen sapratīsit vienu lietu – ne visas datu vizualizācijas tiek radītas vienādas.

Šis būs īss pārskats par dažām visbiežāk pieļautajām kļūdām, veidojot diagrammas, lai attēlotu datus ātri un viegli uztveramā veidā.

Sliktas kartes

Sekojot līdzi xkcd sākumā, ir ļoti bieži redzēt, ka dati tiek ievietoti kartē šausmīgā un bezjēdzīgā veidā. Viens no lielākajiem un visizplatītākajiem likumpārkāpējiem ir komiksā parādītais. 

Neinteresants iedzīvotāju sadalījums

Kā izrādās, mūsdienās cilvēki mēdz dzīvot pilsētās. 

Kartes rādīšana ir jāuztraucas tikai tad, ja paredzamais sadalījums, ko novērojat, neatbilst kopējā iedzīvotāju skaita sadalījumam ASV.

Piemēram, ja jūs pārdodat saldētus taco un uzzinātu, ka vairāk nekā puse no jūsu pārdošanas apjoma tika iegūti pārtikas preču veikalos Rietumvirdžīnijā, neskatoties uz to, ka tie atrodas tirgos visā valstī, tas būtu diezgan ievērības cienīgi.

Noderīgu informāciju varētu sniegt, parādot karti, kurā tas ir norādīts, kā arī par to, kur vēl taco ir populāri. 

Līdzīgā veidā, ja pārdodat produktu, kas ir pilnībā angļu valodā, jums vajadzētu sagaidīt, ka jūsu klientu sadalījums sakrīt ar angļu valodā runājošo cilvēku izplatību visā pasaulē. 

Slikts graudu izmērs

Vēl viens veids, kā sajaukt karti, ir izvēlēties sliktu veidu, kā ģeogrāfiski sadalīt zemi gabalos. Šis jautājums par pareizās mazākās vienības atrašanu ir izplatīts visā BI, un vizualizācijas nav izņēmums.

Lai būtu skaidrāks, par ko es runāju, aplūkosim divus vienāda graudu izmēra piemērus ar diviem ļoti atšķirīgiem efektiem.

Vispirms apskatīsim kādu, kurš veido ASV topogrāfisko karti, ēnot katra apgabala augstākā augstuma punktu ar atšķirīgu krāsu pa noteiktu taustiņu. 

Lai gan tas ir nedaudz iedarbīgs austrumu krastā, taču, sasniedzot Klinšu kalnu malu, tas tiešām ir tikai troksnis.

Jūs nesaņemat ļoti labu priekšstatu par ģeogrāfiju, jo (sarežģītu vēsturisku iemeslu dēļ) novadu izmēri mēdz kļūt lielāki, jo tālāk uz rietumiem dodaties. Viņi stāsta stāstu, tikai ne vienu, kas attiecas uz ģeogrāfiju. 

Salīdziniet to ar reliģiskās piederības karti pa apgabaliem.

Šī karte ir pilnīgi efektīva, neskatoties uz to, ka tiek izmantots tieši tāds pats graudu izmērs. Mēs varam izdarīt ātrus, precīzus un jēgpilnus secinājumus par Amerikas Savienoto Valstu reģioniem, to, kā šie reģioni varētu tikt uztverti, ko tur dzīvojošie cilvēki varētu domāt par sevi un pārējo valsti.

Lai gan ir grūti izveidot efektīvu karti kā vizuālu palīglīdzekli, tā var būt ļoti noderīga un izskaidrojoša. Vienkārši noteikti pārdomājiet, ko jūsu karte mēģina sazināties.

Sliktas joslu diagrammas

Joslu diagrammas parasti ir biežāk sastopamas nekā kartē parādītā informācija. Tie ir vienkārši lasāmi, vienkārši izveidojami un parasti ir diezgan gludi.

Lai gan tos ir viegli izdarīt, ir dažas izplatītas kļūdas, kuras cilvēki var pieļaut, mēģinot no jauna izgudrot riteni. 

Maldinoši svari

Viens no visizplatītākajiem sliktu joslu diagrammu piemēriem ir gadījumi, kad kāds izdara kaut ko nevēlamu ar kreiso asi. 

Šī ir īpaši mānīga problēma, un ir grūti sniegt vispārīgas vadlīnijas. Lai šī problēma būtu nedaudz vieglāk uztverama, apspriedīsim dažus piemērus. 

Iedomāsimies uzņēmumu, kas ražo trīs produktus; Alfa, beta un gamma logrīki. Izpilddirektors vēlas zināt, cik labi viņi pārdod, salīdzinot viens ar otru, un BI komanda viņiem izveido grafiku. 

No pirmā acu uzmetiena izpilddirektoram varētu rasties iespaids, ka Alpha logrīki ievērojami pārspēj konkurentus, lai gan patiesībā tie pārspēj Gamma logrīkus tikai par aptuveni 20% — nevis par 500%, kā norādīts vizualizācijā.

Šis ir ļoti acīmredzami briesmīga izkropļojuma piemērs – vai tomēr? Vai mēs varam iedomāties gadījumu, kad šis tieši tāds pats kropļojums būtu noderīgāks nekā vaniļas 0–50,000 XNUMX ass?

Piemēram, iedomāsimies to pašu uzņēmumu, izņemot to, ka tagad izpilddirektors vēlas uzzināt kaut ko citu.

Šajā gadījumā katrs logrīks gūst peļņu tikai tad, ja tiek pārdots vismaz 45,000 XNUMX vienību. Lai noskaidrotu, cik labi katrs produkts darbojas, salīdzinot viens ar otru un attiecībā uz šo stāvu, BI komanda ķeras pie darba un iesniedz šādu vizualizāciju. 

They, visi, absolūtā izteiksmē, atrodas 20% attālumā viens no otra, bet cik tuvu tie ir svarīgajai 45,000 XNUMX atzīmei? 

Šķiet, ka Gamma logrīki nedaudz pietrūkst, bet vai beta logrīki? 45,000 XNUMX līnija pat nav marķēta.

Diagrammas palielināšana ap šo atslēgas asi šajā gadījumā būtu ļoti informatīva. 

Šādi gadījumi ļoti apgrūtina vispārēju padomu sniegšanu. Vislabāk ir ievērot piesardzību. Pirms y ass izstiepšanas un apgriešanas ar neapdomīgu atteikšanos rūpīgi analizējiet katru situāciju. 

Mīklu bāri

Daudz mazāk biedējoša un vienkārša joslu diagrammu ļaunprātīga izmantošana ir tad, kad cilvēki ar savām vizualizācijām cenšas kļūt pārāk mīļi. Tā ir taisnība, ka vaniļas joslu diagramma var būt nedaudz garlaicīga, tāpēc ir loģiski, ka cilvēki mēģinātu to papildināt.

Labi zināms piemērs ir bēdīgi slavenais milzu latviešu sieviešu gadījums.

Dažos veidos tas attiecas uz dažiem jautājumiem, kas tika apspriesti iepriekšējā sadaļā. Ja grafa veidotājs būtu iekļāvis visu y asi līdz 0'0'', tad Indijas sievietes neizskatītos pēc laumiņām, salīdzinot ar gigantes latvietēm. 

Protams, ja viņi būtu tikko izmantojuši stieņus, problēma arī pazustu. Tie ir garlaicīgi, bet arī efektīvi.  

Sliktas sektoru diagrammas

Sektoru diagrammas ir cilvēces ienaidnieks. Viņi ir briesmīgi gandrīz visos veidos. Tas ir vairāk nekā kaislīgs autora viedoklis, tas ir objektīvs, zinātnisks fakts.

Ir vairāk veidu, kā padarīt sektoru diagrammas nepareizas, nekā to labot. Viņiem ir ļoti šaurs pielietojums, un pat tajos ir apšaubāms, vai tie ir visefektīvākais līdzeklis šim darbam. 

To sakot, parunāsim tikai par visbriesmīgākajām kļūmēm.

Pārpildītas diagrammas

Šī kļūda nav īpaši izplatīta, taču tā ir ārkārtīgi kaitinoša, kad tā parādās. Tas arī parāda vienu no pi diagrammu pamatproblēmām.

Apskatīsim šādu piemēru, sektoru diagrammu, kas parāda burtu biežuma sadalījumu rakstītā angļu valodā. 

Skatoties uz šo diagrammu, vai jūs domājat, ka varat ar pārliecību teikt, ka es esmu biežāk nekā R? Vai O? Tas ignorē to, ka dažas šķēles ir pārāk mazas, lai uz tām pat piestiprinātu etiķeti. 

Salīdzināsim to ar jauku, vienkāršu joslu diagrammu. 

Dzeja!

Jūs varat ne tikai uzreiz redzēt katru burtu attiecībā pret visiem pārējiem, bet arī iegūt precīzu intuīciju par to frekvencēm un viegli redzamu asi, kas parāda faktiskos procentus.

Tā iepriekšējā diagramma? Nelabojams. Vienkārši ir pārāk daudz mainīgo. 

3D Charts

Vēl viena kliedzoša sektoru diagrammu ļaunprātīga izmantošana ir tad, kad cilvēki veido tās 3D formātā, bieži sasverot tās nešķīstos leņķos. 

Apskatīsim piemēru.

No pirmā acu uzmetiena zilais “EUL-NGL” izskatās aptuveni tāds pats kā sarkanais “S&D”, taču tas tā nav. Ja mēs garīgi labojam slīpumu, atšķirība ir daudz lielāka, nekā šķiet.

Nav pieņemama situācija, kad šāda veida 3D grafiks darbosies, tas pastāv tikai, lai maldinātu lasītāju attiecībā uz relatīvajiem mērogiem. 

Plakanās sektoru diagrammas izskatās lieliski. 

Slikta krāsu izvēle

Pēdējā kļūda, ko cilvēki mēdz pieļaut, ir izvēlēties nepārdomātas krāsu shēmas. Tas ir mazs punkts salīdzinājumā ar citiem, taču tas var būtiski mainīt cilvēkus. 

Apsveriet tālāk redzamo diagrammu. 

Iespējams, ka tas jums šķiet lieliski. Viss ir skaidri marķēts, izmēriem ir pietiekami lielas neatbilstības, lai būtu viegli redzēt, kā pārdošanas apjomi salīdzināti viens ar otru.

Tomēr, ja jūs ciešat no daltonisma, tas, iespējams, ir ļoti kaitinoši. 

Parasti sarkano un zaļo krāsu nekādā gadījumā nedrīkst izmantot vienā diagrammā, jo īpaši blakus viena otrai. 

Citām krāsu shēmas kļūdām ir jābūt acīmredzamām ikvienam, piemēram, izvēloties 6 dažādus vieglus toņus vai sarkanu.

Takeaways

Ir daudz, daudz vairāk veidu, kā izveidot datu vizualizācijas, kas ir briesmīgas un traucē cilvēkiem saprast datus. No tiem visiem var izvairīties ar nelielu pārdomāšanu.

Ir svarīgi apsvērt, kā diagrammu redzēs kāds cits, kāds, kurš nav cieši pazīstams ar datiem. Jums ir jābūt dziļai izpratnei par to, kāds ir datu apskates mērķis un kā vislabāk izcelt šīs daļas, nemaldinot cilvēkus.